人工神经网络iris集代码
时间: 2023-07-03 09:09:12 浏览: 52
以下是使用Python和Scikit-learn库实现神经网络对Iris数据集进行分类的示例代码:
```python
from sklearn import datasets
from sklearn.neural_network import MLPClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
# 加载 Iris 数据集
iris = datasets.load_iris()
# 准备训练和测试数据集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=0)
# 数据标准化
scaler = StandardScaler()
scaler.fit(X_train)
X_train = scaler.transform(X_train)
X_test = scaler.transform(X_test)
# 创建神经网络模型
mlp = MLPClassifier(hidden_layer_sizes=(10, 10, 10), max_iter=1000)
# 训练模型
mlp.fit(X_train, y_train)
# 在测试集上评估模型
accuracy = mlp.score(X_test, y_test)
print("Accuracy:", accuracy)
```
在这个例子中,我们使用Scikit-learn库中的MLPClassifier类创建了一个多层感知器神经网络模型。我们使用Iris数据集进行训练和测试,首先将数据标准化,然后将数据集分成训练集和测试集。我们使用fit()函数对模型进行训练,并使用score()函数在测试集上评估模型的性能。